AI 伦理・AI 治理20%（当サイト設定） · 7 个主题

Q1. 思考 AI 的规范方式。根据 AI 各用途的风险大小，改变规制强度和所要求措施的思路属于哪项？

1. 敏捷治理
2. 软法
3. 基于风险的方法
4. 硬法

Q2. 思考 AI 的规范方式。设定目标，在运行中快速反复评估与修订，持续改进治理机制的思路属于哪项？

1. 多利益相关方
2. 基于风险的方法
3. 软法
4. 敏捷治理

Q1. 国内外 AI 原则、指南中共同讨论的价值，最合适的组合是哪项？

1. 技术保密、开发者匿名、废除规制、数据垄断
2. 最大利润、最短开发期、最低成本、最大市场份额
3. 推进军事利用、加强监控、全面自动化、排除人的参与
4. 以人为本、公平性、隐私、安全性、透明性与问责

Q2. 思考使用摄像头图像的 AI 的隐私考量。正在策划新的人脸认证服务，希望避免事后发现问题而返工。最合适的应对是哪项？

1. 制定推定属性后及时销毁原始人脸图像的流程
2. 从设计阶段评估对隐私的影响，并纳入保护措施
3. 在入口张贴拍摄及其目的，告知对隐私的考虑
4. 制定不做目的外使用或向第三方提供的规则，并告知用户

Q1. 某网购网站的 AI 从购买记录推定出顾客的健康状况，引发问题。对这一问题最合适的说明是哪项？

1. 训练数据有偏差，导致对特定群体不利的推定的问题
2. 在数据收集阶段，未经本人同意收集购买记录的问题
3. 推定结果有误，本人也无法更正的问题
4. 在推理阶段，AI 推定出本人未提供的敏感信息的问题

Q2. 思考 AI 公平性问题的原因。虽然从输入中去掉了性别项目，但通过与性别强相关的“曾参加的社团活动”项目，结果仍产生了性别差异。最接近的原因是哪项？

1. 通过代理变量的间接歧视
2. 学习了过去的歧视（历史偏差）
3. 标注偏差
4. 抽样偏差（数据收集方式的偏差）

Q1. 辨别针对 AI 的攻击。向公开 API 大量发送查询，根据其输入与输出的组合复制出与原模型几乎相同的模型的攻击，属于哪种攻击？

1. 数据投毒（Poisoning）
2. 模型窃取
3. Adversarial Examples（对抗样本）
4. 成员推断攻击

Q2. 辨别针对 AI 的攻击。根据模型输出的倾向，推断某人的数据是否被用于训练、从而侵犯隐私的攻击，属于哪种攻击？

1. 模型窃取
2. Adversarial Examples（对抗样本）
3. 数据投毒（Poisoning）
4. 成员推断攻击

Q1. 思考 AI 的滥用与对策。模仿社长声音的深度伪造电话指示汇款的诈骗正在增加，希望重新审视财务手续。最合适的对策是哪项？

1. 与事实核查机构和机制合作，推广确认信息来源的习惯
2. 在生成式 AI 的使用条款中规定禁止的用途，发现滥用时停止其使用
3. 在本人确认手续中，加入不只依赖声音或影像的其他渠道确认
4. 给生成的内容附加数字水印和来源信息，并与检测技术结合

Q2. 思考 AI 的滥用与对策。本公司提供的生成式 AI 的 API 被用于大量制作冒充邮件，希望以提供方身份应对。最合适的对策是哪项？

1. 给生成的内容附加数字水印和来源信息，并与检测技术结合
2. 在本人确认手续中，加入不只依赖声音或影像的其他渠道确认
3. 与事实核查机构和机制合作，推广确认信息来源的习惯
4. 在生成式 AI 的使用条款中规定禁止的用途，发现滥用时停止其使用

Q1. 关于 AI 与环境保护的讨论，最合适的是哪项？

1. AI 的计算完全不用电，因此其环境影响没有被讨论
2. AI 的耗电与模型大小、训练次数无关
3. 大规模模型训练与推理的耗电和 CO2 排放令人担忧
4. 使用 AI 必然增加环境负荷，因此完全不能用于应对气候变化

Q2. 关于 AI 与劳动的讨论，最合适的是哪项？

1. 交给 AI 的业务，即使人失去该业务的技能也不会产生任何问题
2. 工作内容会改变，同时也会产生与 AI 协作的新工作，再学习变得重要
3. AI 不久将完全取代所有工作，人的工作将消失
4. AI 对工作完全没有影响，因此无需重新审视工作方式

Q1. 选择 AI 治理的举措。开发团队成员的性别、年龄、专业偏于一方，容易忽视对预期之外用户的影响。最合适的是哪项？

1. 建立由多元背景成员共同研讨的体制
2. 在开发前及运行中进行伦理评估（影响评估）
3. 接受外部第三方的审计
4. 制定并公布 AI 政策

Q2. 选择 AI 治理的举措。仅靠公司内部确认无法获得信任，因此希望由独立立场来确认 AI 的管理体制与运行。最合适的是哪项？

1. 建立由多元背景成员共同研讨的体制
2. 接受外部第三方的审计
3. 制定并公布 AI 政策
4. 在开发前及运行中进行伦理评估（影响评估）